我国的电力行业长期以来一直依靠人工巡检,但随着国家电力组网的复杂化,人工巡检的方式显然已经不适合电力行业的发展。随着南方电网和国家电网大力推进无人机检查,正在形成以“机器检查为主,人工检查为辅”的生产线运行维护模型。由于无人机巡线提供的安全性和效率是人工巡线无法达到的,无人机巡线完全替代人工巡线已经提上日程。但由于巡线无人机工作环境复杂、对操作员要求较高,国家电网需要专门对飞手进行巡线培训,并需要通过专门的考核系统对飞行轨迹偏差进行评判。本文设计一个巡线无人机驾驶考核系统,通过可见光摄像机对巡线无人机的非接触位置检测,对比轨迹误差,实现对飞手无人机驾驶能力的评估。系统结合相机标定、交会测量和目标检测等技术,通过理论分析、仿真计算和实验验证相结合,在对无人机目标的检测和空间位置测量等方面进行深入研究。本文的主要研究工作包括:1.针对当前相机标定方法对于畸变较大的广角镜头标定精度较低的问题,本文通过双调和（Biharmonic）样条插值的方法,设计一种精度较高且符合无人机飞行考核场景的相机标定方案。该方法通过无人机上挂载高精度RTK定位模块,在相机镜头视场范围内采集能代表全域的若干样本点,然后通过插值拟合出全尺寸像素点的信息。2.针对当前目标检测算法对小目标检测率低、检测速度慢以及较易受噪声干扰的问题,本文通过深度学习的方式,采用卷积神经网络对无人机目标进行检测。围绕实际应用场景建立无人机数据集,数据集包含多尺度、多姿态的实际应用场景图片、网络图片和开源数据集图片,并通过数据增强和融合背景差分的方法提升对无人机的检测性能。3.结合上述相机标定、交会测量和目标检测方法,最终完成一个可以对无人机飞行轨迹进行采样,然后对飞行轨迹与预定轨迹之间的偏差进行评估的巡线无人机驾驶考核系统。本文设计的巡线无人机驾驶考核系统,灵活性和稳定性较好,同时具有较好的无人机检测效果以及定位精度,较现有国家电网的考核系统能够更好的测量飞行轨迹偏差,具有较高的实际应用价值。